1 |
1
프로세서에 의해 수행되는 상황기반 추천 방법으로서,상품의 정보가 포함된 문서의 정보를 지시하는 문서정보 관측변수 및 상기 문서의 문맥정보 파악을 위해 사용되는 문맥 학습변수가 반영된 품목 학습변수를 획득하는 단계;상품을 구매한 사용자의 정보를 지시하는 사용자 학습변수와 상기 품목 학습변수로부터 상기 사용자와 품목 간의 평점정보 관계를 지시하는 사용자-품목 평점정보 관측변수를 획득하는 단계;상기 사용자-품목 평점정보 관측변수를 통해 각 상품 별 예상 평가 점수를 지시하는 평점 예측도를 산출하는 단계; 및상기 산출된 평점 예측도를 기반으로 추천 서비스를 제공하는 단계를 포함하고,상기 품목 학습변수를 획득하는 단계는,상기 문서정보 관측변수 및 상기 문맥 학습변수를 포함하는 인공신경망이 원본 문서를 숫자 행렬로 변형하는 단계;상기 숫자 행렬에서 문맥특징을 추출하는 단계;상기 문맥특징 중 대표 데이터를 획득하는 단계; 및 상기 대표 데이터를 이용해 품목 학습변수를 획득하는 단계를 포함하는, 상황기반 추천 방법
|
2 |
2
청구항 1에 있어서,상기 품목 학습변수는 상기 문서정보 관측변수 및 상기 문맥 학습변수를 기초로 일 방향 함수를 지시하는 피드포워드(feed-forward) 기법을 통해 획득되는, 상황기반 추천 방법
|
3 |
3
청구항 1에 있어서,상기 품목 학습변수는 상기 문맥 학습변수로부터 아웃풋의 차이를 비교하는 오차역전파법(back propagation algorithm)을 통해 미리 정해진 기준보다 낮은 오류값을 갖도록 설정되는, 상황기반 추천 방법
|
4 |
4
청구항 1에 있어서,상기 추천 서비스는 상기 산출된 평점 예측도가 미리 설정된 임계값을 초과하면 제공되는, 상황기반 추천 방법
|
5 |
5
청구항 1에 있어서,상기 사용자 학습변수 및 상기 품목 학습변수 각각은 최대 사후 확률을 통해 획득된 손실함수(optimization function)를 최소화 하는 좌표감소법(coordinate descent)을 이용하여 획득되는, 상황기반 추천 방법
|
6 |
6
삭제
|
7 |
7
청구항 1에 있어서,상기 평점 예측도는 상기 사용자 학습변수와 상기 품목 학습변수에 기초하여 생성된 확률 그래프 모델을 통해 산출되는, 상황기반 추천 방법
|
8 |
8
상황기반 추천 장치로서,프로세서(processor); 및 상기 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리(memory)를 포함하고,상기 적어도 하나의 명령은,상품의 정보가 포함된 문서의 정보를 지시하는 문서정보 관측변수 및 상기 문서의 문맥정보 파악을 위해 사용되는 문맥 학습변수가 반영된 품목 학습변수를 획득하고,상품을 구매한 사용자의 정보를 지시하는 사용자 학습변수와 상기 품목 학습변수로부터 상기 사용자와 품목 간의 평점정보 관계를 지시하는 사용자-품목 평점정보 관측변수를 획득하고,상기 사용자-품목 평점정보 관측변수를 통해 각 상품 별 예상 평가 점수를 지시하는 평점 예측도를 산출하고, 그리고상기 산출된 평점 예측도를 기반으로 추천 서비스를 제공하도록 실행되고,상기 품목 학습변수를 획득하는 경우,상기 적어도 하나의 명령은,상기 문서정보 관측변수 및 상기 문맥 학습변수를 포함하는 인공신경망이 원본 문서를 숫자 행렬로 변형하고,상기 숫자 행렬에서 문맥특징을 추출하고,상기 문맥특징 중 대표 데이터를 획득하고, 그리고상기 대표 데이터를 이용해 품목 학습변수를 획득하도록 실행되는, 상황기반 추천 장치
|
9 |
9
청구항 8에 있어서,상기 품목 학습변수는 상기 문서정보 관측변수 및 상기 문맥 학습변수를 기초로 일 방향 함수를 지시하는 피드포워드(feed-forward) 기법을 통해 획득되는, 상황기반 추천 장치
|
10 |
10
청구항 8에 있어서,상기 품목 학습변수는 상기 문맥 학습변수로부터 아웃풋의 차이를 비교하는 오차역전파법(back propagation algorithm)을 통해 미리 정해진 기준보다 낮은 오류값을 갖도록 설정되는, 상황기반 추천 장치
|
11 |
11
청구항 8에 있어서,상기 추천 서비스는 상기 산출된 평점 예측도가 미리 설정된 임계값을 초과하면 제공되는, 상황기반 추천 장치
|
12 |
12
청구항 8에 있어서,상기 사용자 학습변수 및 상기 품목 학습변수 각각은 최대 사후 확률을 통해 획득된 손실함수(optimization function)를 최소화 하는 좌표감소법(coordinate descent)을 이용하여 획득되는, 상황기반 추천 장치
|
13 |
13
삭제
|
14 |
14
청구항 8에 있어서,상기 평점 예측도는 상기 사용자 학습변수와 상기 품목 학습변수에 기초하여 생성된 확률 그래프 모델을 통해 산출되는, 상황기반 추천 장치
|